AI: eerst kijken naar het probleem, dan naar de oplossing

Als je het afzet tegen alle opgewonden berichtgeving over Artificial Intelligence, is het eigenlijk verrassend hoe mondjesmaat AI daadwerkelijk wordt toegepast in de zorg. Bij Intensive Care Zorg bijvoorbeeld wordt minder dan twee procent van wat alles wat in onderzoek of ontwikkeling is in de praktijk gebruikt, weet Sade Faneyte, klinisch informaticus bij het Maasstad Ziekenhuis in Rotterdam en zelfstandig adviseur op het gebied van zorg-ICT. “Dat is weinig als je het vergelijkt met de commerciële sector. Een doorsnee consument maakt in het dagelijks leven al veel meer gebruik van AI-systemen dan een zorgprofessional.”

Lerende systemen

Voor de goede orde: we hebben het niet over zorgrobots of slimme camera’s die bewegingen kunnen herkennen – wat ook vormen van AI zijn. Faneyte concentreert zich als klinisch informaticus op de implementatie van ‘lerende systemen’: programma’s die op basis van heel veel data patronen herkennen en uitkomsten kunnen voorspellen – bijvoorbeeld van een bepaald ziekteverloop.

Waarom wordt zo’n veelbelovende technologie nog relatief weinig ingezet? Dat heeft verschillende oorzaken, aldus Faneyte, die onlangs een stappenplan schreef over de verantwoorde implementatie van AI in de zorg. “In de eerste plaats moet je voldoende goede data hebben om een goed model te kunnen maken. Maar in de zorg is alleen al het uitwisselen van data tussen verschillende instellingen een groot probleem, onder andere door privacyregels en de complexiteit van grote datasets. Verder is het lastig om projecten te financieren, want de inzet van AI in de zorg is nieuw, en het is onbekend wat een bepaalde toepassing uiteindelijk oplevert. Dat is de paradox van innovatie: het moet eerst de praktijk bereiken voor je weet of het meerwaarde heeft. Ten slotte staat AI-software niet op zichzelf. Een AI-systeem moet samenwerken met andere systemen, en ingepast worden in het zorgproces. Dat gebeurt nu nog te weinig.”

Beperkt aanbod

Een zorginstelling die enthousiast is over de mogelijkheden van AI zou om te beginnen eens grondig moeten kijken naar het probleem, en niet meteen naar de mogelijke oplossing, denkt Faneyte. “Het klinkt heel vanzelfsprekend, maar toch wordt die eerste stap vaak overgeslagen. De oplossing voor een bepaald klinisch vraagstuk kán AI zijn, maar ook een andere technologie, of helemaal geen technologie, want soms volstaat het om gewoon goede afspraken te maken over werkwijzen. AI wordt nu vaak ingezet op basis van aanbod. En dat aanbod is niet zo groot, want er zijn maar een beperkt aantal ontwikkelaars op de markt. Daardoor kijken zorginstellingen vaak niet kritisch genoeg of een bepaald AI-systeem wel het antwoord is op de vraag.”

Wat betreft de potentie van AI om het zorgstelsel efficiënter te maken, ziet Faneyte op korte termijn vooral mogelijkheden buiten het medische domein. “De nadruk ligt nu vaak op medische AI, voor diagnostiek bijvoorbeeld, en het opsporen en voorspellen van ziektes. Maar de implementatie daarvan kost zeker in het begin ook heel veel tijd, want je moet onderzoek doen en mensen opleiden. Logistieke AI-toepassingen kunnen veel sneller van meerwaarde zijn. Een ziekenhuis kan een AI-systeem bijvoorbeeld gebruiken om de toestroom van patiënten te voorspellen in een bepaalde periode, en de doorstroom en uitstroom efficiënter te laten verlopen. Dat soort toepassingen zie je al veel in andere sectoren, maar in de zorg hebben we er nog weinig ervaring mee. Op dat vlak is dus nog veel winst te behalen.”

Sade Faneyte vertelt over haar ervaringen tijdens de Skipr masterclass Artificial Intelligence in de Zorg op 23 mei 2024 in Utrecht.

Tekst: Johan Faber